柳州職場(chǎng)問(wèn)答

柳州機(jī)器學(xué)習(xí)生物醫(yī)學(xué)圖像處理方向研究前景如何？

13*******31
2020-10-12
3個(gè)回答
181人關(guān)注

全部回答已有 3人回答

13*******69 2020-10-12

這個(gè)挺好的，符合現(xiàn)在智能醫(yī)療的想法，之前我的一個(gè)老師他們就在討論深度學(xué)習(xí)在醫(yī)學(xué)影片中的應(yīng)用。現(xiàn)在的醫(yī)院基本上都是先拍個(gè)醫(yī)學(xué)影片，然后再來(lái)判斷生理是否存在異常。正常個(gè)體的醫(yī)學(xué)影像基本上都是一樣的，然后某個(gè)部位出現(xiàn)異常，影片上的成像就會(huì)與正常個(gè)體的影像不一樣。通過(guò)深度學(xué)習(xí)學(xué)習(xí)這些不一樣的特征，然后來(lái)判斷哪個(gè)部位出現(xiàn)什么異常，這個(gè)可以避免人們判斷的誤差。而且這樣可以進(jìn)行遠(yuǎn)程醫(yī)療，當(dāng)不知道某個(gè)部位出現(xiàn)什么異?；蛘卟幌嘈女?dāng)?shù)蒯t(yī)院的判斷，可以影片傳輸過(guò)來(lái)進(jìn)行判斷。但是目前存在的一個(gè)問(wèn)題是醫(yī)院的醫(yī)學(xué)影片對(duì)外是保密的，不會(huì)輕易公開(kāi)，所以現(xiàn)在就數(shù)據(jù)集而言存在一定的難度，但是如果和醫(yī)院合作了，估計(jì)就可以。
13*******84 2020-10-18

1. 醫(yī)學(xué)圖像問(wèn)題往往不止是圖像問(wèn)題。咱們先從圖像說(shuō)起：醫(yī)學(xué)圖像是為了醫(yī)生服務(wù)，很多時(shí)候的標(biāo)準(zhǔn)是醫(yī)生來(lái)決定。一個(gè)mri圖像好或者不好，不只是我們認(rèn)為的噪聲小，細(xì)節(jié)清楚，也有醫(yī)生的習(xí)慣問(wèn)題。所以一個(gè)好的醫(yī)學(xué)圖像去處理結(jié)果，不止要關(guān)注噪聲，分辨率，也要花費(fèi)很大力氣在style learning上2. 如果要進(jìn)一步做好醫(yī)學(xué)圖像處理，可能需要data mining的幫助。目前我在圖像處理上遇到了一些瓶頸，可能可以由額外的信息來(lái)改進(jìn)。而這些額外信息的利用可能需要data mining的一些技巧來(lái)幫助。3. 醫(yī)學(xué)圖像的處理，請(qǐng)一定要謹(jǐn)慎謹(jǐn)慎再謹(jǐn)慎。請(qǐng)務(wù)必時(shí)刻記得，你所處理的每一幅圖像都以一個(gè)活生生的人，你決定的每一個(gè)閾值都可能決定很多病人的生死。我不止一次的拋棄本已訓(xùn)練的非常好，發(fā)paper很棒的模型，僅僅是因?yàn)槟承┘?xì)節(jié)存在問(wèn)題。因?yàn)槲曳浅：ε乱驗(yàn)槲业倪^(guò)失導(dǎo)致了某個(gè)骨頭內(nèi)部的骨小梁看不清，誤診了某些病。4. 最后，如果你對(duì)改善人類健康感興趣，歡迎你投入這個(gè)領(lǐng)域。我永遠(yuǎn)記得我導(dǎo)師提到他提高了prostate cancer治愈率1%的時(shí)候，那種自豪。
13*******19 2020-10-22

首先值得肯定的是，這個(gè)方向有很好的就業(yè)機(jī)會(huì)。目前，國(guó)內(nèi)做AI醫(yī)療方面，拿到大筆投資，同時(shí)也有一定訂單規(guī)模的，主要就是醫(yī)療影像人工智能識(shí)別，這些企業(yè)包括了依圖、聯(lián)影等等。但是，這個(gè)方向的國(guó)內(nèi)企業(yè)低技術(shù)化發(fā)展趨勢(shì)必須要充分警惕，其主要問(wèn)題在于，大多數(shù)國(guó)內(nèi)企業(yè)，主要都是進(jìn)行肺結(jié)節(jié)和乳腺癌的圖像識(shí)別輔助開(kāi)發(fā)工作，而且都擠在這同一個(gè)領(lǐng)域，固然有這個(gè)領(lǐng)域比較容易被認(rèn)可，技術(shù)比較成熟有關(guān)，也與現(xiàn)有的識(shí)別方式有莫大的關(guān)系：人工標(biāo)注->機(jī)器輔助識(shí)別->人工判斷。實(shí)際上，醫(yī)學(xué)影像AI的發(fā)展，如果沿著這條路走下去，必定是一條死胡同，雖然能夠解決一些問(wèn)題，但是醫(yī)學(xué)影像的問(wèn)題是無(wú)窮無(wú)盡的，靠人工標(biāo)注，在概率上解決一些問(wèn)題，但是必然會(huì)遺漏另一些問(wèn)題，同時(shí)影像學(xué)林林總總的疾病和應(yīng)用，何時(shí)是個(gè)盡頭？也就是，AI需要學(xué)會(huì)的，絕不僅僅是按照被標(biāo)注的圖像特征，照葫蘆畫瓢進(jìn)行識(shí)別，而是需要理解病理（已經(jīng)明確的部分）與圖像特征的必然聯(lián)系，這相當(dāng)于是高于現(xiàn)有技術(shù)一個(gè)維度的數(shù)據(jù)處理技術(shù)，其實(shí)現(xiàn)并不容易，但是必須要走出這一步，才有可能將AI醫(yī)療應(yīng)用推向深入。這個(gè)維度的提升，帶來(lái)的數(shù)據(jù)量需求和計(jì)算量需求都是幾何級(jí)數(shù)地增長(zhǎng)，國(guó)內(nèi)目前在這一塊的投入和進(jìn)展都是比較欠缺的，希望題主能夠有機(jī)會(huì)在這方面進(jìn)行深入的學(xué)習(xí)和研究！